人工神经网络与遗传算法相结合的入侵检测模型的研究

摘要

伴随着互联网络和计算机技术的高速发展，互联网通信已经渗透到政治、经济、文化和生活以及科学的各个领域，极大地影响着人类社会各个方面的进步和发展。同时，它也极大地影响和改变着人们的生活、工作和学习。但是，随着互联网络的发展，各种安全问题也随之出现。有关统计数据显示，在全球范围内，每隔20秒就会发生一起网络入侵事件。网络上的黑客能够轻松的盗取你的私密文件，盗取你的银行存款信息，破坏你的个人账目信息，将你的私密信函公之于众，随意改正、扰乱和破坏你的数据库中的信息，甚至直接破坏你的磁盘和计算机等硬件设施，导致你的网络处于瘫痪或者崩溃状态。所以，研究一些切实有效的互联网安全技术来保障计算机系统和互联网系统的安全，已经成为学术界和商界研究的热点问题。入侵检测是一种主动防御入侵的安全方式，是维护网络安全的主要模块。因此该技术成为人们研究的热点。
　　目前入侵检测技术正在朝着自动化和智能化方向发展。所谓入侵检测的智能化是将遗传算法和人工神经网络算法等智能化算法用于入侵检测。传统的入侵检测系统误报率和漏报率都很高，不能够很好的识别新兴的攻击类型。随着网络数据量的急剧增加，传统的入侵检测技术不能胜任实时性的要求。此外，传统的遗传算法和神经网络算法还具有收敛速度慢和容易陷入局部极小值等缺点。
　　本文通过深入分析研究入侵检测的特点和遗传算法以及神经网络算法的结构。为了适应实时性要求，首先基于粗糙集理论，对传统遗传算法的选择交叉变异等环节做了一系列改进。利用了粗糙集理论的知识，重新设置了适应度函数，使其能够快速删除冗余的属性，约简大型知识系统。然后对神经网络算法添加自己的想法，做了一系列改进，将约简后的大型知识系统输入到改进后神经网络中，使其能够正确高效的识别入侵数据。最后在Windows环境下利用Rosetta和MATLAB软件编写仿真程序，采用KDDCUP99数据集，设置了两组试验以证明本文提出的算法的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究思路、主要内容和创新点

1.4 本章小结

第2章 网络安全相关理论基础

2.1 入侵检测理论基础

2.2 粗糙集理论基础

2.3 遗传算法概述

2.4 神经网络算法概述

2.5 本章小结

第3章 基于粗糙集理论的遗传神经网络数据挖掘算法

3.1 遗传神经网络算法的概念

3.2 遗传神经网络算法数据预处理原理

3.3 基于粗糙集的遗传属性约简算法改进思想

3.4 数据的归一化

3.5 遗传神经网络算法改进思想

3.6 本章小结

第4章 基于粗糙集的遗传属性约简算法与神经网络相结合的入侵检测系统仿真

4.1 实验环境和实验目的分析

4.2 实验数据源分析

4.3 仿真实验数据的预处理

4.4 仿真实验数据连续属性离散化

4.5 遗传属性约简算法实验

4.6 遗传神经网络算法实验

总结展望

论文总结

未来工作的展望

参考文献

附录

附录1KDDCUP99数据集各属性含义

攻读学位期间发表的学术论文

致谢